由理化學研究所可持續資源科學中心環境代謝分析研究小組的研究生助理倪新宇、訪問研究員天本義文和團隊負責人菊池淳領導的研究團隊，利用多模態、多任務機器學習模型分析了可生物降解塑料，揭示了微生物分解過程與聚合物材料韌性之間的關係。
研究團隊利用鶴見川河口水域的微生物群落，進行了逐步分解實驗，記錄了材料在4、8、16和30天時的重量變化。他們結合了多種分析技術，包括核磁共振、差示掃描量熱法和RDKit分子描述符，並利用SHAP進行可解釋人工智慧分析，發現分子鏈的流動性對材料的分解行為有顯著影響。研究成果發表於RIKEN Press（2025年12月23日），論文於12月5日線上發表。
從： 
利用通用人工智慧進行永續材料設計——新技術有望解決可降解性和韌性之間的權衡問題——
【社論】
理研的一個研究團隊為可生物降解塑膠面臨的一個根本性難題帶來了新的啟示：如何在使用過程中保持足夠的強度，同時在環境中快速降解；同時滿足這兩個相互矛盾的要求是材料科學領域最大的挑戰之一。
這項研究的創新之處在於它結合了「多模態」和「多任務」兩種方法。 「多模態」方法整合了多種不同分析方法所獲得的數據，而「多任務」方法則同時預測多種性能，例如降解性和強度。在傳統的材料開發中，這些性能通常是單獨評估的，導致性能權衡的本質機制不甚明了。
尤其值得注意的是，核磁共振技術可用於無損地觀察材料的「內部」結構。捕捉諸如分子鏈的運動方式以及哪些部分開始分解等肉眼不可見的改變，可以顯著提高材料設計的精確度。這就像給材料做一次“健康檢查”，類似於醫學中的核磁共振掃描。
值得注意的是，研究團隊利用了毗鄰理化學研究所橫濱校區的鶴見川河口水域的天然微生物群落。基於團隊目前開發的快速評估方法，在接近實際自然環境的條件下進行評估，將有助於彌合實驗室理論值與真實環境值之間的差距。
如果這項技術得到實際應用，它可能會從根本上改變一次性塑膠（如食品包裝和農業薄膜）的設計，從而實現數據驅動而非反覆試驗的設計，使材料能夠按需使用，並在環境中可靠地降解。
然而，人工智慧模型的預測準確性取決於訓練資料的品質和數量。未來的挑戰在於如何使其能夠適用於多種可生物降解聚合物。此外，由於微生物分解速度會因環境條件而異，因此需要累積更多數據才能準確預測其在實際海洋和土壤中的行為。
材料資訊學的進步有望大幅縮短開發時間和降低成本，這不僅關乎提高效率，也是加速向永續社會轉型的關鍵技術。
[術語]
多模態/多任務機器學習<br>這種機器學習方法結合了「多模態」和「多任務」兩種特性。 「多模態」能夠同時學習不同類型的數據（例如核磁共振、熱分析、分子結構等），而「多任務」則可以同時預測多種性能（例如分解速率、強度、韌性等）。與傳統的單數據/單任務方法相比，它能夠更全面地理解材料的複雜行為。
核磁共振（NMR）
這種分析技術透過在磁場中以無線電波照射原子核並分析其響應訊號，以非破壞性的方式檢測分子結構和遷移率。其原理與醫學中使用的磁振造影（MRI）相同。該技術廣泛應用於材料科學領域，以獲取分子層面的詳細資訊。
SHAP（SHApley 附加解釋）
可解釋人工智慧技術能夠定量評估每個特徵對機器學習模型預測結果的貢獻。它將人工智慧模型決策的依據視覺化，而這些模型通常都是黑箱，從而幫助研究人員理解關鍵因素。
材料資訊學（MI）
該學術領域利用人工智慧、機器學習和數據科學來分析材料結構與性能之間的關係，從而簡化新材料的設計流程。它將帶來從傳統的試誤式開發到資料驅動、預測式開發的典範轉移。
主成分分析（PCA）
主成分分析是一種統計方法，它從多維資料中提取主要變異因素，並將維度降低到少量主成分。它用於可視化複雜數據的特徵和模式，使其更易於解釋。
[參考連結]
理研（外部）
這項研究是在永續資源科學中心進行的，該中心是日本領先的自然科學綜合研究機構之一。
理化學研究所永續資源科學中心（外部）
這是理研的研究中心，致力於進行旨在實現永續發展社會的研究。領導這項研究的環境代謝分析研究團隊隸屬於該中心。
永續材料與技術（外部）
這是一份經過同行評審的國際科學期刊，專注於永續材料和技術。它發表材料科學、化學工程和環境科學領域的研究成果。
RDKit （外部）
一種用於化學資訊學的開源軟體工具包，廣泛應用於藥物發現和材料開發研究。
[參考文章]
「AI王子聖德」會監聽多個訊息，並就發展政策給予指示（外部連結）。
菊池及其團隊先前進行的研究報告指出，他們開發了一種將核磁共振（NMR）材料分子遷移率資訊與人工智慧相結合的最佳化技術。
「微生物村落」是如何形成的？ （外部連結）
一項研究報告指出，利用鶴見河口水的微生物群落，開發了一種快速評估可生物降解塑膠的方法。
[編者註]
生物降解材料作為解決塑膠問題的方案備受關注，但實際上，其主要障礙在於「使用時經久耐用」和「廢棄後快速分解」這兩種特性之間的矛盾。本研究結合人工智慧和先進的分析技術，提出了解決這個難題的新方法。
我們如何實現這樣一個未來：我們日常使用的包裝材料和容器既能發揮功能，又能與環境和諧共存？我們希望與您攜手，共同探討由材料科學與人工智慧結合所引領的永續社會未來。
